我在没有NDK的Android上使用OpenCV遇到了一些问题。
目前我正在大学做一个项目，我的厨师告诉我，在从2D图像重建3D物体时，我应该避免相机校准。
到目前为止，我有2张2D图像，并且有所有的特征点，匹配，good_matches，基本矩阵和齐次矩阵。此外，我还使用StereoBM计算了视差图。下一步应该从所有这些值中获得3D点云。
我上网查了一下，发现
Calib3d.reprojectImageTo3D(disparity, _3dImage, Q, false);
使用这种方法，我应该能够重建3D点云…现在的问题是，我没有矩阵Q。我想我会从
方法中得到这个stereoRectify(...);
但是由于我应该避免针对这种特定情况的相机校准，所以我不能使用此方法。可选
stereoRectifyUncalibrated(...);
不提供Q…
有人可以帮助我，告诉我如何我可以得到Q或点云在一个更容易的方式?由于
为了回答你的问题， reprojectImageTo3D所需的Q矩阵表示从像素位置及其相关视差(即[u; v; disp; 1]形式)到相应的3D点[X; Y; Z; 1]的映射。不幸的是，如果不知道相机的内在特性(矩阵K)和外在特性(旋转&两个相机姿势之间的转换)。
相机校准是估计这些的常用方法。你的厨师说这不是一个选择，但是有几种不同的技术(例如使用棋盘，或通过自动校准)有不同的要求和可能性。因此，准确地调查为什么不需要校准，可以找到适合您应用的方法。
如果你真的没有办法估计本质，一个可能的解决方案是Bundle Adjustment，使用多于2个图像。然而，如果没有这些特性，3D重建可能就不是很有用了。这就引出了我的第二点。
三维重建有几种类型，主要类型有:投影、度量和欧几里得。(有关这方面的更多详细信息，请参阅Hartley &齐瑟曼，第二版)
-
欧几里得重建是大多数人所说的"3D重建"，尽管不一定是他们需要的:一个场景模型，它只通过3D旋转和3D平移(即3D坐标系的变化)与真实模型相关。因此，场景中的正交角在该模型中是正交的，场景中的1米距离对应模型中的1米距离。为了获得这样的欧几里得三维重建，需要知道至少一些相机的特性和场景中两个给定点之间的真实距离。
-
度量或相似度重建在大多数情况下都足够好，并且指的是通过相似度变换与真实模型相关的场景的3D模型，换句话说，通过3D旋转和3D平移(即3D坐标系的变化)以及总体缩放。为了获得这样的度量重建，需要知道至少一些相机的特性。
-
投影重建是你将获得的，如果你没有关于场景或相机的内在知识。这样的3D模型与观察到的场景不符合比例，并且场景中正交的角度在模型中可能不会正交。
因此，如果你想要准确的重建，了解(一些)相机的内在参数是至关重要的。